基于梯度惩罚Wasserstein生成对抗网络的数字岩心重建

1

作者 徐慧兵 李道伦 查文舒 《合肥工业大学学报（自然科学版）》 CAS 北大核心 2024年第11期1559-1563,共5页

文章针对三维Wasserstein生成对抗网络(Wasserstein generative adversarial networks,WGAN)重建数字岩心的梯度不稳定问题,提出一种基于带梯度惩罚的Wasserstein生成对抗网络(Wasserstein generative adversarial networks with gradie... 文章针对三维Wasserstein生成对抗网络(Wasserstein generative adversarial networks,WGAN)重建数字岩心的梯度不稳定问题,提出一种基于带梯度惩罚的Wasserstein生成对抗网络(Wasserstein generative adversarial networks with gradient penalty,WGAN-GP)三维数字岩心重建算法。首先利用卷积神经网络构建生成网络学习真实样本的分布,然后再构建判别网络以区分重建样本和真实样本。由于WGAN的权值裁剪导致权重分散不均匀,WGAN-GP增加了梯度惩罚项,使得梯度分布更加均匀并加快网络收敛速度,让训练更加稳定。实验通过孔隙度、比表面积和欧拉特性的对比表明,相比于WGAN算法,WGAN-GP三维数字岩心重建算法能更加有效地重现岩石的三维孔隙结构特征。 展开更多

关键词 数字岩心 生成对抗网络(GAN) 梯度惩罚 三维重建 卷积神经网络

在线阅读 下载PDF 职称材料

基于条件Wasserstein生成对抗网络的说话人辨认研究

2

作者 张高峰 刘天 +1 位作者 解晓敏 马群 《计算机应用与软件》 北大核心 2025年第8期213-218,241,共7页

在低资源场景下,由于传统的说话人辨认方法无法提取大量有效信息来训练网络,导致模型发生过拟合现象。受GAN在图像领域成功应用的启发,提出基于条件Wasserstein生成对抗网络(C-WGAN)的说话人辨认方法。该方法将真实样本的FBANK特征作为... 在低资源场景下,由于传统的说话人辨认方法无法提取大量有效信息来训练网络,导致模型发生过拟合现象。受GAN在图像领域成功应用的启发,提出基于条件Wasserstein生成对抗网络(C-WGAN)的说话人辨认方法。该方法将真实样本的FBANK特征作为条件输入到生成器中以控制生成指定的模拟样本,并采用Wasserstein距离来衡量两个语音特征分布之间的距离,得到稳定的训练环境,避免了模式崩溃。实验结果表明,该方法的分类错误率(CER)降低至1.96%,相对基线方法x-vector和CNN分别降低了67.2%和53.9%,同时在低采样率的情况下,该方法的识别准确率表现出很强的竞争力。 展开更多

关键词 说话人辨认 生成对抗网络 wasserstein距离

在线阅读 下载PDF 职称材料

基于变分深度嵌入-带有梯度惩罚的生成对抗网络的锂离子电池老化特性建模 被引量：4

3

作者 李弈 张金龙 +2 位作者 漆汉宏 魏艳君 张迪 《电工技术学报》 EI CSCD 北大核心 2024年第13期4226-4239,共14页

锂离子电池老化实验是研究电池老化性能的基本手段,但针对大量电池的老化实验一般很耗时。为了节约时间和测试成本,获得更多电池数据,该文将变分深度嵌入(VaDE)模型与带有梯度惩罚的生成对抗网络(WGANGP)相结合,组成VaDE-WGANGP架构,进... 锂离子电池老化实验是研究电池老化性能的基本手段,但针对大量电池的老化实验一般很耗时。为了节约时间和测试成本,获得更多电池数据,该文将变分深度嵌入(VaDE)模型与带有梯度惩罚的生成对抗网络(WGANGP)相结合,组成VaDE-WGANGP架构,进而基于该生成模型设计了一种电池老化特性建模与数据生成的方法。该文以一套开放的电池全寿命周期测试数据集为依据展开研究,首先,将电池放电过程中的电压、电流和放电容量这三个外特性作为模型的输入,通过VaDE的编码器将原始数据映射到隐空间,再通过优化获得符合特定规则的分布;然后,通过一定方式对该分布空间进行采样,并将采样所得的隐变量输入解码器中进行数据生成;后续数据测试表明,VaDE-WGANGP在电池外特性数据生成上具有较好的性能,可以实现对电池老化过程中基础外特性的模拟,在数据量不足时也可以为某些数据驱动算法提供有效的扩展数据资源。 展开更多

关键词 锂离子电池 老化特性 生成模型 变分深度嵌入 带有梯度惩罚的生成对抗网络

在线阅读 下载PDF 职称材料

GP-WIRGAN:梯度惩罚优化的Wasserstein图像循环生成对抗网络模型 被引量：8

4

作者 冯永 张春平 +2 位作者 强保华 张逸扬 尚家兴 《计算机学报》 EI CSCD 北大核心 2020年第2期190-205,共16页

通常情形下,现有的图像生成模型都采用单次前向传播的方式生成图像,但实际中,画家通常是反复修改后才完成一幅画作的;生成对抗模型(Generative Adversarial Networks,GAN)能生成图像,但却很难训练.在保证生成图像质量的前提下,效仿作画... 通常情形下,现有的图像生成模型都采用单次前向传播的方式生成图像,但实际中,画家通常是反复修改后才完成一幅画作的;生成对抗模型(Generative Adversarial Networks,GAN)能生成图像,但却很难训练.在保证生成图像质量的前提下,效仿作画时的不断更新迭代,以提升生成样本多样性并增强样本语义,同时引入Wasserstein距离,提出了Wasserstein图像循环生成对抗网络模型,简称WIRGAN(Wasserstein Image Recurrent Generative Adversarial Networks Model).WIRGAN定义了生成模型和判别模型,其中,生成模型是由一系列结构相同的神经网络模型组成的循环结构,用时间步骤T控制生成模型的循环次数,用于迭代式生成图像,并以最后一个循环结构的生成图像作为整个生成模型的输出;判别模型也由神经网络构建,结合权重剪枝技术,用来判别输入图像是生成的还是真实的.WIRGAN利用Wasserstein距离作为目标函数,将生成模型和判别模型进行博弈对抗训练.另外,由于模型存在难以优化的问题,本文引入了梯度惩罚来解决此类问题,进一步提出了梯度惩罚优化的Wasserstein图像循环生成对抗网络模型(Gradient Penalty Optimized Wasserstein Image Recurrent Generative Adversarial Networks Model,GP-WIRGAN).最后,WIRGAN和GP-WIRGAN在MNIST、CIFAR10、CeUN四个数据集上进行了基础学习能力、模型间GAM自比较、模型内GAM自比较、初始得分比较、图像生成可视化、时间效率比较等6组实验,采用生成对抗矩阵(Generative Adversarial Metric,GAM)和起始分数(Inception Scores)进行评估,结果表明,本文提出的WIRGAN、GP-WIRGAN具有良好的稳定性,可以生成高质量的图像. 展开更多

关键词 图像生成 生成对抗网络 wasserstein距离 深度学习 权重剪枝 梯度惩罚

在线阅读 下载PDF 职称材料

基于改进生成对抗网络的高空侦察图像补全算法

5

作者 冯伟冬 王建国 +2 位作者 侯麒麟 冀慧君 蓝志豪 《火力与指挥控制》 北大核心 2025年第7期154-160,167,共8页

针对高空侦察图像有遮挡的问题,提出了一种基于改进的生成对抗网络的图像补全算法。通过引入多个局部判别器和正则化项来更好地补全缺失图像的信息,提高图像补全的质量和真实性;通过引入Wasserstein距离和梯度惩罚项来提高训练的稳定性... 针对高空侦察图像有遮挡的问题,提出了一种基于改进的生成对抗网络的图像补全算法。通过引入多个局部判别器和正则化项来更好地补全缺失图像的信息,提高图像补全的质量和真实性;通过引入Wasserstein距离和梯度惩罚项来提高训练的稳定性。提出的算法在有缺失的高空侦察图像的数据集上进行测试,数值结果显示了其有效性。 展开更多

关键词 深度学习 图像补全 生成对抗网络 高空侦察 wasserstein距离

在线阅读 下载PDF 职称材料

基于梯度惩罚-生成对抗神经网络的页岩三维数字岩心重构 被引量：3

6

作者 李秉科 聂昕 +3 位作者 朱林奇 王晨晨 林伟 韩登林 《西安石油大学学报（自然科学版）》 CAS 北大核心 2023年第2期53-60,共8页

数字岩心技术在油气的勘探开发中发挥着越来越重要的作用。由于传统的数字岩心重构方法存在成本高、耗时长等问题,提出使用带有梯度惩罚的生成对抗神经网络(WGAN-GP)实现页岩的三维数字岩心重构。以三组分的页岩图像为训练样本进行模型... 数字岩心技术在油气的勘探开发中发挥着越来越重要的作用。由于传统的数字岩心重构方法存在成本高、耗时长等问题,提出使用带有梯度惩罚的生成对抗神经网络(WGAN-GP)实现页岩的三维数字岩心重构。以三组分的页岩图像为训练样本进行模型的训练,得到了可以生成三维页岩图像的生成器模型,进而重构了多个三维岩心图像。将重构岩心与原始岩心进行了各种参数的对比分析,结果表明重构岩心与原始岩心具有很好的一致性,证明了本文方法的可靠性。使用WGAN-GP进行岩心重构具有岩心生成速度快、重构图像尺寸不受限制等优点,具有广泛的应用前景。 展开更多

关键词 数字岩心 页岩 三维重构 生成对抗神经网络 梯度惩罚

在线阅读 下载PDF 职称材料

基于梯度惩罚生成对抗网络的过采样算法 被引量：1

7

作者 陶家亮 魏国亮 +2 位作者 宋燕 窦军 穆伟蒙 《上海理工大学学报》 CAS CSCD 北大核心 2023年第3期235-243,共9页

在不平衡数据分类问题中,为了更注重学习原始样本的概率密度分布,提出基于梯度惩罚生成对抗网络的过采样算法(OGPG)。该算法首先引入生成对抗网络(GAN),有效地学习原始数据的概率分布;其次,采用梯度惩罚对判别器输入项的梯度二范数进行... 在不平衡数据分类问题中,为了更注重学习原始样本的概率密度分布,提出基于梯度惩罚生成对抗网络的过采样算法(OGPG)。该算法首先引入生成对抗网络(GAN),有效地学习原始数据的概率分布;其次,采用梯度惩罚对判别器输入项的梯度二范数进行约束,降低了GAN易出现的过拟合和梯度消失,合理地生成新样本。实验部分,在14个公开数据集上运用k近邻和决策树分类器对比其他过采样算法,在评价指标上均有显著提升,并利用Wilcoxon符号秩检验验证了该算法与对比算法在统计学上的差异。结果表明该算法具有良好的有效性和通用性。 展开更多

关键词 不平衡数据 过采样算法 概率密度分布 生成对抗网络 梯度惩罚

在线阅读 下载PDF 职称材料

基于带梯度惩罚深度卷积生成对抗网络的页岩三维数字岩心重构方法 被引量：2

8

作者 王先武 张挺 +1 位作者 吉欣 杜奕 《计算机应用》 CSCD 北大核心 2021年第6期1805-1811,共7页

针对传统数字岩心重构技术存在的成本高昂、复用性差和重构质量低等问题,提出了一种基于带梯度惩罚深度卷积生成对抗网络(DCGAN-GP)的三维页岩数字岩心重构方法。首先,利用神经网络参数来描述页岩训练图像的分布概率,并完成训练图像的... 针对传统数字岩心重构技术存在的成本高昂、复用性差和重构质量低等问题,提出了一种基于带梯度惩罚深度卷积生成对抗网络(DCGAN-GP)的三维页岩数字岩心重构方法。首先,利用神经网络参数来描述页岩训练图像的分布概率,并完成训练图像的特征提取;其次,保存训练后的网络参数;最后,利用生成器重构出页岩三维数字岩心。实验结果表明,相较于经典的数字岩心重构技术得到的图像,DCGAN-GP得到的图像在孔隙度、变差函数和孔隙大小及分布特征上都更接近训练图像,而且DCGAN-GP的CPU使用率不到经典算法的一半,内存峰值仅有7.1 GB,重构时间达到了每次42 s,体现出模型重构质量高、效率高的特点。 展开更多

关键词 重构 数字岩心 生成对抗网络 深度卷积 梯度惩罚

在线阅读 下载PDF 职称材料

基于条件式Wasserstein生成对抗网络的电力变压器故障样本增强技术 被引量：75

9

作者 刘云鹏 许自强 +3 位作者 和家慧 王权 高树国 赵军 《电网技术》 EI CSCD 北大核心 2020年第4期1505-1513,共9页

数据非均衡问题是制约机器学习技术在电力变压器故障诊断领域中应用效果的关键因素。为克服传统过采样方法未考虑数据整体分布信息的缺陷,提出了一种基于深度学习的故障数据增强方法,以实现样本库的类别均衡化目标。首先,建立梯度惩罚... 数据非均衡问题是制约机器学习技术在电力变压器故障诊断领域中应用效果的关键因素。为克服传统过采样方法未考虑数据整体分布信息的缺陷,提出了一种基于深度学习的故障数据增强方法,以实现样本库的类别均衡化目标。首先,建立梯度惩罚优化的条件式Wasserstein生成对抗网络模型以指导多类别故障样本的生成过程,并克服了原始生成对抗网络模型的训练不稳定问题;然后,构建以油中溶解气体无编码比值为特征参量的栈式自编码器诊断模型,并进一步提出了基于数据增强方法的设备故障诊断技术框架;最后,选用由准确率、F1度量以及G-mean组成的评价指标体系对类别均衡化前后的模型诊断效果进行评估对比。算例研究结果表明,相较于传统过采样方法,提出的故障样本增强方法能够更为有效地改善诊断模型对于多数类的分类偏好问题,提升其整体分类性能,可作为电力变压器故障诊断的重要数据预处理环节。 展开更多

关键词 变压器故障诊断 非均衡数据集 数据增强 条件式wasserstein生成对抗网络 梯度惩罚 栈式自编码器

在线阅读 下载PDF 职称材料

融合生成对抗网络和难例挖掘的产品质量预测模型

10

作者 李剑锋 柏雪 +3 位作者 赵春财 钱朋超 王洪涛 徐伟风 《计算机集成制造系统》 EI CSCD 北大核心 2024年第10期3698-3707,共10页

针对连续性工业生产特点,重点关注类别不平衡造成的不合格样本召回率低问题。为了从高维数据提取有效特征,结合one class F-score和最小冗余最大相关性在特征提取方面的优势,有效降低特征维度并提取有价值特征;利用Wasserstein生成对抗... 针对连续性工业生产特点,重点关注类别不平衡造成的不合格样本召回率低问题。为了从高维数据提取有效特征,结合one class F-score和最小冗余最大相关性在特征提取方面的优势,有效降低特征维度并提取有价值特征;利用Wasserstein生成对抗网络(WGAN)方法扩增不合格样本数量;通过类别权重优化Focal Loss函数以提高困难样本识别率;通过轻量级梯度提升机算法结合阈值移动策略,构建基于WGAN数据增强和难例挖掘技术的质量预测模型(WGAN_Focal Loss_LGB(TM))。将所提模型应用于开源SECOM数据集,验证了所提方法的有效性。 展开更多

关键词 高维数据 wasserstein生成式对抗网络 Focal Loss函数 难例挖掘 轻量级梯度提升机算法 阈值移动 产品质量预测

在线阅读 下载PDF 职称材料

结合Pix2Pix生成对抗网络的灰度图像着色方法 被引量：11

11

作者 李洪安 郑峭雪 +3 位作者 张婧 杜卓明 李占利 康宝生 《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2021年第6期929-938,共10页

针对神经网络在进行图像着色时容易出现物体边界不明确、图像着色质量不高的问题,提出结合Pix2Pix生成对抗网络的灰度图像着色方法.首先改进U-Net结构,采用8个下采样层和8个上采样层对图像进行特征提取和颜色预测,提高网络模型对图像深... 针对神经网络在进行图像着色时容易出现物体边界不明确、图像着色质量不高的问题,提出结合Pix2Pix生成对抗网络的灰度图像着色方法.首先改进U-Net结构,采用8个下采样层和8个上采样层对图像进行特征提取和颜色预测,提高网络模型对图像深层次特征的提取能力;然后使用L_(1)损失和smoothL_(1)损失度量生成图像与真实图像之间的差距,对比不同损失函数下的图像着色质量;最后加入梯度惩罚,在生成图像和真实图像分布之间构造新的数据分布,对每个输入数据进行梯度惩罚,改变判别器网络梯度限制方法,提高网络在训练过程中的稳定性.在相同实验环境下,使用Pix2Pix模型和summer2winter数据进行对比分析.实验结果表明,改进后的U-Net和使用smooth L_(1)损失作为生成器损失可以生成更好的着色图像;而L_(1)损失能更好地保持图像结构信息,使用梯度惩罚可以加速模型的收敛速度,提高模型稳定性和图像质量;该方法能更好地学习图像的深层次特征,减少图像着色模糊现象,在有效地保持图像结构相似性的同时提高图像着色质量. 展开更多

关键词 图像着色 生成对抗网络 损失函数 梯度惩罚

在线阅读 下载PDF 职称材料

基于残缺图像样本的生成对抗网络图像修复方法 被引量：6

12

作者 李海燕 黄和富 +3 位作者 郭磊 李海江 陈建华 李红松 《北京航空航天大学学报》 EI CAS CSCD 北大核心 2021年第10期1949-1958,共10页

针对大面积图像修复缺失严重时,需要完整且高质量训练样本的问题,提出了一种将残缺或含噪图像样本作为训练集的双生成器深度卷积生成对抗网络(DGDCGAN)模型。构建两个生成器和一个鉴别器以解决单一生成器收敛慢的问题,用残缺图像样本作... 针对大面积图像修复缺失严重时,需要完整且高质量训练样本的问题,提出了一种将残缺或含噪图像样本作为训练集的双生成器深度卷积生成对抗网络(DGDCGAN)模型。构建两个生成器和一个鉴别器以解决单一生成器收敛慢的问题,用残缺图像样本作为训练集,通过交叉计算、搜索损失区域类似的图像信息作为训练生成模型的样本,收敛速度更快。鉴别器损失函数改进为输出的Wasserstein距离,使用自适应估计算法优化生成器损失函数和鉴别器损失函数的模型参数,最小化两两图像之间的总距离差,使用鉴别模型和修复图像总距离变化均方差最小化两个指标优化修复结果。在4个公开数据集上进行主客观实验,结果表明:所提方法能使用残缺图像样本作为训练集,有效实现大面积失真图像的修复,且收敛速度和修复效果优于现有图像修复方法。 展开更多

关键词 图像修复 残缺图像样本 深度卷积生成对抗网络 wasserstein距离 总距离变化均方差

在线阅读 下载PDF 职称材料

基于改进辅助分类生成对抗网络的风机主轴承故障诊断 被引量：32

13

作者 卢锦玲 张祥国 +2 位作者 张伟 郭鲁豫 闻若彤 《电力系统自动化》 EI CSCD 北大核心 2021年第7期148-154,共7页

基于振动信号的风电机组故障诊断方法是风电安全运维领域研究的重点之一。风电机组主轴承较少发生故障,给运用数据挖掘方法判断故障类型带来很大困难。针对该问题,文中提出了一种用于风电机组主轴承故障诊断的数据增强方法。通过对辅助... 基于振动信号的风电机组故障诊断方法是风电安全运维领域研究的重点之一。风电机组主轴承较少发生故障,给运用数据挖掘方法判断故障类型带来很大困难。针对该问题,文中提出了一种用于风电机组主轴承故障诊断的数据增强方法。通过对辅助分类生成对抗网络(ACGAN)的适应性进行改进,引入梯度惩罚,构建了改进ACGAN框架,以提高其学习稳定性;在判别器网络中引入池化层,以提升其在多分类场景下提取数据特征的能力。仿真结果表明,所提出的改进ACGAN框架能够实现对原始数据分布特征的有效学习,抗噪声干扰性强,相对于原框架训练过程更稳定,生成数据的质量更高;能够有效平衡风电机组主轴承故障振动数据,进一步提升了风电机组主轴承故障诊断的正确率。 展开更多

关键词 风电机组 故障诊断 数据增强 辅助分类生成对抗网络 梯度惩罚

在线阅读 下载PDF 职称材料

基于生成对抗网络和LSTM-CSO的少样本光伏功率短期预测 被引量：26

14

作者 殷豪 张铮 +3 位作者 丁伟锋 陈嘉铭 陈黍 孟安波 《高电压技术》 EI CAS CSCD 北大核心 2022年第11期4342-4351,共10页

针对新建光伏发电站原始数据匮乏导致光伏功率预测精度低的问题,提出了一种基于梯度惩罚Wasserstein生成对抗网络(Wasserstein generative adversarial network with gradient penalty,WGAN-GP)和改进长短期记忆网络的光伏功率短期预测... 针对新建光伏发电站原始数据匮乏导致光伏功率预测精度低的问题,提出了一种基于梯度惩罚Wasserstein生成对抗网络(Wasserstein generative adversarial network with gradient penalty,WGAN-GP)和改进长短期记忆网络的光伏功率短期预测模型。首先使用WGAN-GP学习原始真实光伏数据的样本分布规律,然后生成与原始数据相似的高质量新样本,从而实现训练集数据增强;其次,采用纵横交叉算法(crisscross optimization algorithm,CSO)对长短时记忆网络(longshort-termmemory,LSTM)的全连接层参数进行优化,构建LSTM-CSO组合模型对光伏功率进行预测。以澳洲某光伏发电站数据进行仿真建模,实验结果表明:使用数据增强后的样本训练预测模型能够有效提高模型的预测精度,且对原始训练集数据扩充数据量的比例越大,预测模型对于光伏功率预测的精度越高。同时LSTM-CSO相对于LSTM在各个季节类型的不同气象日中均具有更高的预测准确率,以春季测试集为例,LSTM-CSO模型在春季的晴天、多云、雨天下的均方根误差相比于LSTM模型分别降低5.62%、3.44%、10.44%。 展开更多

关键词 光伏功率预测 生成对抗网络 梯度惩罚 长短时记忆 纵横交叉算法

在线阅读 下载PDF 职称材料

关于命名实体识别的生成式对抗网络的研究 被引量：5

15

作者 冯建周 马祥聪 +1 位作者 刘亚坤 宋沙沙 《小型微型计算机系统》 CSCD 北大核心 2019年第6期1191-1196,共6页

本文结合条件生成式对抗网络(CGAN)和改进的Wasserstein生成式对抗网络(WGAN-GP),提出一种适合于命名实体识别任务的条件Wasserstein生成式对抗网络模型(CWGAN).该模型借鉴CGAN以文本描述为条件的图像概率分布的思想,来完成以句子序列... 本文结合条件生成式对抗网络(CGAN)和改进的Wasserstein生成式对抗网络(WGAN-GP),提出一种适合于命名实体识别任务的条件Wasserstein生成式对抗网络模型(CWGAN).该模型借鉴CGAN以文本描述为条件的图像概率分布的思想,来完成以句子序列为条件获得标注序列概率分布的任务.该模型的生成器和判别器都采用BiLSTM结构,不同的是生成器生成命名实体标签的概率分布,判别器则为生成器的生成质量打分并反馈给生成器,生成器根据反馈更新梯度从而提升生成标签概率的质量.另外,CWGAN采用梯度惩罚的方法来保证梯度在反向传播的过程中保持平稳,通过拉近真实样本分布和生成样本之间的Wasserstein距离,优化目标函数.最后通过实验验证了该方法的可行性和优越性. 展开更多

关键词 命名实体识别 生成式对抗网络 BiLSTM wasserstein距离 CWGAN

在线阅读 下载PDF 职称材料

变工况下动态卷积域对抗图神经网络故障诊断

16

作者 王桐 王晨程 +2 位作者 邰宇 欧阳敏 陈立伟 《哈尔滨工程大学学报》 EI CAS CSCD 北大核心 2024年第7期1406-1414,共9页

针对基于无监督域自适应故障诊断方法忽略了域间数据结构信息、传统域对齐平均最大差异法全局泛化能力差等问题,本文提出一种基于无监督域自适应理论的动态卷积域对抗图神经网络故障诊断模型,分别通过对数据的类别标签、域标签和数据结... 针对基于无监督域自适应故障诊断方法忽略了域间数据结构信息、传统域对齐平均最大差异法全局泛化能力差等问题,本文提出一种基于无监督域自适应理论的动态卷积域对抗图神经网络故障诊断模型,分别通过对数据的类别标签、域标签和数据结构信息进行建模。通过分类器和域鉴别器分别建模类别标签和域标签,通过图神经网络将数据结构信息嵌入到实例图节点中,利用高斯Wasserstein距离来度量不同领域的实例图之间的差异。本文对比了不同工况下共14种迁移任务在各模型下故障识别的准确率。实验结果表明:基于动态卷积的域对抗图神经网络模型在变工况下的故障诊断效果均优于其他对比模型,且模型性能稳定。 展开更多

关键词 无监督域自适应 动态卷积 域对抗 图神经网络 图生成 高斯wasserstein距离 故障诊断 变工况

在线阅读 下载PDF 职称材料

基于生成对抗网络的滚动轴承不平衡数据集故障诊断新方法 被引量：18

17

作者 郭俊锋 王淼生 +1 位作者 孙磊 续德锋 《计算机集成制造系统》 EI CSCD 北大核心 2022年第9期2825-2835,共11页

在实际工程应用中,滚动轴承在大多数时间都工作在正常状态下,故障状态时间很短。由于成本,让其长时间工作在故障状态是不现实的。这将造成故障诊断数据集的不平衡,即正常的样本远远多于故障的样本,而这会极大地影响故障诊断结果的准确... 在实际工程应用中,滚动轴承在大多数时间都工作在正常状态下,故障状态时间很短。由于成本,让其长时间工作在故障状态是不现实的。这将造成故障诊断数据集的不平衡,即正常的样本远远多于故障的样本,而这会极大地影响故障诊断结果的准确性和稳定性。针对该问题,提出一种基于Wasserstein距离条件梯度惩罚生成对抗网络(CWGAN-GP)的轴承不平衡数据集故障诊断方法,该方法能够稳定地生成高质量的样本。在故障诊断过程中,首先对生成样本的质量进行评估,然后对不平衡数据集进行逐步扩充与平衡。实验表明,该方法能够生成与真实样本高度相似的生成样本,并随着不平衡数据集被逐渐平衡,故障诊断的准确率也得到有效的提高。此外,CWGAN-GP模型在样本生成方面比其他生成模型具有更好的表现。 展开更多

关键词 故障诊断 不平衡数据集 梯度惩罚 生成对抗网络 滚动轴承

在线阅读 下载PDF 职称材料

基于生成对抗网络与深度学习的少数据云资源预测 被引量：1

18

作者 陈基漓 张长晖 谢晓兰 《科学技术与工程》 北大核心 2022年第36期16099-16107,共9页

精确的云资源预测对计算平台实现安全运行具有十分重要的意义,针对新公司的云计算资源缺乏足够数据样本而造成预测模型精度降低的问题,提出一种基于WasserStein生成对抗网络(WasserStein generative adversarial network with gradient ... 精确的云资源预测对计算平台实现安全运行具有十分重要的意义,针对新公司的云计算资源缺乏足够数据样本而造成预测模型精度降低的问题,提出一种基于WasserStein生成对抗网络(WasserStein generative adversarial network with gradient penalty,WGAN-GP)和双向门控循环单元网络(bidirectional gate recurrent unit,BiGRU)的少样本云计算资源预测模型。通过生成对抗网络去学习原始少样本数据的分布规律,以高斯噪声作为输入生成与原始数据具有相同分布的新样本数据,实现数据增强的行为;由于传统门控单元网络无法完全利用数据的时间信息,采用双向门控循环单元网络对数据的前向、反向时间信息进行双向提取并预测。以Google公开数据集进行仿真,对无增强数据和增强数据后的不同机器算法模型的预测结果进行对比。实验结果表明:使用WasserStein生成对抗网络数据增强后的双向门控循环单元网络模型精度的达到98.3%,所提方法适用于少样本数据的云计算资源预测。 展开更多

关键词 云资源预测 生成对抗网络 双向门控单元网络(BiGRU) wasserstein距离 梯度惩罚

在线阅读 下载PDF 职称材料

改进型循环生成对抗网络的血管内超声图像增强 被引量：6

19

作者 姚哲维 杨丰 +1 位作者 黄靖 刘娅琴 《计算机科学》 CSCD 北大核心 2019年第5期221-227,共7页

血管内超声(Intravascular Ultrasound,IVUS)图像采集过程中使用的低频或高频超声探头各有其特点,医生在诊断冠脉粥样硬化等疾病过程中需根据临床需求选择频率不同的超声探头。因此,文中提出一种基于Wasserstein距离的循环生成对抗网络(... 血管内超声(Intravascular Ultrasound,IVUS)图像采集过程中使用的低频或高频超声探头各有其特点,医生在诊断冠脉粥样硬化等疾病过程中需根据临床需求选择频率不同的超声探头。因此,文中提出一种基于Wasserstein距离的循环生成对抗网络(Cycle Generative Adversarial Networks,CycleGANs)用于增强血管内超声图像,其目的是融合高频超声细节信号,克服低频超声图像边缘模糊且分辨率较低等问题,以辅助医生诊断心血管疾病。首先基于心血管的形状特点,使用旋转、缩放和Gamma变换等方法将图像数据训练集增加30倍,降低网络训练过拟合的风险;然后利用对抗网络训练的思想,构建基于对抗损失和循环一致损失的联合函数,在损失函数中引入Wasserstein距离作为正则项,加快网络训练的收敛速度,解决训练不稳定的问题;最后以低频IVUS图像为输入对象,输出含有高频图像细节信息的IVUS增强图像。在实验过程中以国际标准IVUS图像数据库为基础进行算法验证比较;以清晰度、对比度和边缘能量为评价标准进行定量分析。实验结果:所提算法的收敛速度是原始CycleGANs模型的两倍,且3个评价标准数值分别提升了15.8%,11.4%和46.6%。实验结果表明:W-CycleGANs模型能够有效地学习高频图像域的特征信息,并且进一步丰富低频图像边缘细节,增强图像的诊断信息,提高医生判断心血管疾病的敏感性。此外,文中采用100幅临床IVUS图像数据进行推广验证,也获得了较好的增强效果。 展开更多

关键词 血管内超声 生成对抗网络 wasserstein距离 图像增强 深度学习

在线阅读 下载PDF 职称材料

基于生成对抗网络的禽蛋图像数据生成研究 被引量：9

20

作者 李庆旭 王巧华 马美湖 《农业机械学报》 EI CAS CSCD 北大核心 2021年第2期236-245,共10页

在进行禽蛋无损检测研究时,需要花费大量的人力和物力采集禽蛋图像数据,为解决该问题,设计了一种基于深度卷积生成对抗网络(Deep convolutional generative adversarial networks,DCGAN)的改进禽蛋图像数据生成网络。该网络分为生成器... 在进行禽蛋无损检测研究时,需要花费大量的人力和物力采集禽蛋图像数据,为解决该问题,设计了一种基于深度卷积生成对抗网络(Deep convolutional generative adversarial networks,DCGAN)的改进禽蛋图像数据生成网络。该网络分为生成器与判别器,生成器用于禽蛋图像数据生成,判别器对生成的禽蛋图像进行真实性判断,两者相互对抗最终生成高质量的禽蛋图像数据。为了提高生成的禽蛋图像质量,使用残差网络构建生成器和判别器,引入Wasserstein距离和加梯度惩罚的损失函数,分别在透射和反射情况下对禽蛋图像进行生成研究。该方法有效地解决了大量禽蛋图像数据的采集问题,为后期禽蛋图像识别与检测提供了数据基础,同时也为后续禽蛋数据库构建提供了技术支持。 展开更多

关键词 禽蛋图像 数据生成 生成对抗网络 wasserstein距离 残差网络

在线阅读 下载PDF 职称材料